Il dataset di partenza viene preso dalla libreria schrute. Contiene tutte le linee di dialogo dette nelle 9 stagioni di the Office organizzate per persoanggio ed episodio. Sono presenti anche i ratings ricevuti su IMDB per i vari episodi.

The Office è una serie televisiva statunitense, è stata girata in una configurazione a telecamera singola – senza il pubblico in studio o le risate registrate – per dare l’idea di un vero documentario. La serie è stata acclamata dal pubblico e dalla critica, aggiudicandosi diversi premi. The Office segue le vite di ogni giorno dei dipendenti della Dunder Mifflin-Scranton, guidati dal direttore della filiale Michael Scott.

1.Vogliamo vedere ovviamente chi ha piu battute e chi compare piu spesso nello show
2.Vogliamo indagare sulle parole piu dette
3.Vogliamo scoprire quali sentimenti porta questa serie tramite le parole usate
4.Vogliamo trovare il personaggio piu scurrile
e molte altre cose…

Ovviamente Michael!

Nelle ultime stagioni la mancanza di Michael nel nostro ufficio preferito ha cambiato le carte in tavola

Inoltre notiamo che i personaggio presenti sono quelli del ufficio dalla prima stagione,non potevamo certo aspettarci altro

Come vediamo Michael e quello piu presente in tutti gli episodi tranne che per le ultime 2 stagioni dove fa solo da comparsa

## 
##  Pearson's product-moment correlation
## 
## data:  frequency$Michael and frequency$Dwight
## t = 84.087, df = 3309, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.8141764 0.8359127
## sample estimates:
##       cor 
## 0.8253501

## 
##  Pearson's product-moment correlation
## 
## data:  frequency$Jim and frequency$Dwight
## t = 59.491, df = 2295, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.7622438 0.7944534
## sample estimates:
##       cor 
## 0.7788616

## 
##  Pearson's product-moment correlation
## 
## data:  frequency$Jim and frequency$Michael
## t = 99.117, df = 2443, p-value < 2.2e-16
## alternative hypothesis: true correlation is not equal to 0
## 95 percent confidence interval:
##  0.8867176 0.9025266
## sample estimates:
##       cor 
## 0.8949025

Identifica le parole importanti per un documento(o personaggio nel nostro caso)in una collezione di documenti.
Grazie ad esso riusciamo a vedere le parole piu importanti per i nostri beniamini.
(ovviamente Andy parla di tonno)

Si vede che al nostro caro Andy piace come nickname

Durante il corso dell’intera serie viene detto 37 volte

Gara d’insulti vinta da Dwight!!

Notiamo che dopo meta serie i voti iniziano a calare in media, ma in generale il rating rimane alto